基于Census变换的双目视觉作物行识别方法

针对基于双目视觉技术的作物行识别算法在复杂农田环境下,立体匹配精度低、图像处理速度慢等问题,该文提出了一种基于Census变换的作物行识别算法。该方法运用改进的超绿-超红方法灰度化图像,以提取绿色作物行特征;采用最小核值相似算子检测作物行特征角点,以准确描述作物行轮廓信息;运用基于Census变换的立体匹配方法计算角点对应的最优视差,并根据平行双目视觉定位原理计算角点的空间坐标;根据作物行生长高度及种植规律,通过高程及宽度阈值提取有效的作物行特征点并检测作物行数量;运用主成分分析法拟合作物行中心线。采用无干扰、阴影、杂草及地头环境下的棉田视频对算法进行对比试验。试验结果表明,对于该文算法,在非地头环境下,作物行中心线的正确识别率不小于92.58%,平均偏差角度的绝对值不大于1.166°、偏差角度的标准差不大于2.628°;图像处理时间的平均值不大于0.293 s、标准差不大于0.025 s,能够满足田间导航作业的定位精度及实时性要求。     

采用双目视觉和自适应Kalman滤波的作物行识别与跟踪

针对传统作物行识别方法在相邻图像间的识别结果偏差较大,作物行的定位精度和稳定性低等问题,该研究提出一种基于双目视觉和自适应Kalman滤波技术的作物行识别与跟踪方法。对于作物行识别,首先建立图像预处理算法,基于改进的超绿-超红模型和最大类间方差法分割植被灰度特征;建立作物行特征提取算法,基于特征点检测技术和双目视差测距方法计算植被角点特征的三维坐标,根据三维阈值提取作物行特征点,进而建立作物行中心线检测算法,建立基于主成分分析的直线拟合模型,根据作物行特征点的频数统计规律检测作物行冠层中心线。对于作物行跟踪,建立跟踪目标规划模型,提取位于图像中央区域的作物行作为跟踪目标;建立目标状态方程,基于自适应Kalman滤波技术构建作物行中心线跟踪模型。以棉花图像开展试验研究,图像数据包括阴影、杂草、地头等田间场景。试验结果表明,该研究方法的作物行识别准确度、精度和速度均较高,识别正确率约为92.36%,平均航向偏差为0.31°、标准差为2.55°,平均识别速度约80.25 ms/帧;经目标跟踪后,航向角和横向位置估计的标准差分别为2.62°和0.043 m、较无跟踪状态分别减小22.94%和10.42%,作物行中心线的方位估计精度进一步提高。研究成果可为导航系统提供连续、稳定的作物行导引参数。     

基于速度自适应的拖拉机自动导航控制方法

针对速度因素对拖拉机自动导航系统稳定性的影响,提出了基于横向位置偏差和航向角偏差的双目标联合滑模控制方法,在建立两轮拖拉机-路径动力学模型和直线路径跟踪偏差模型的基础上,应用Matlab/Simulink进行整体系统仿真,验证了控制方法的可靠性;以雷沃TG1254拖拉机为载体搭建了自动导航控制系统田间试验平台,分别在定速和变速条件下,进行了拖拉机直线路径跟踪控制的田间试验;分析了不同速度条件下的动态跟踪控制效果,验证了设计的自动导航控制系统的稳定性和控制精度。试验结果表明:在拖拉机田间作业常见的定速直线行驶工况下,采用基于速度自适应的双目标联合滑模控制方法,拖拉机直线路径跟踪控制的横向位置偏差最大值为10.60 cm,平均绝对偏差在3.50 cm以内;航向角偏差最大值为3.87°,平均绝对偏差在1.70°以内;在进入稳态以后,前轮转向角最大摆动幅度为3°,摆动标准差为0.80°。结论表明,该文提出的基于速度自适应的拖拉机自动导航控制系统,能基本实现不同速度下的直线路径自动跟踪控制。     

基于激光导航的果园拖拉机自动控制系统

为实现果园作业的自动化,以拖拉机为研究对象,采用激光导航方式实现了果园机械的自动导航。试验以激光扫描仪为检测设备对果树位置信息实时采集,采用最小二乘法规划拖拉机导航路径;拖拉机航向偏差和横向偏差作为比例控制器的输入量,以方向盘电机的转速为输出量,控制拖拉机沿导航路径直线行走;系统实现了拖拉机在果园环境下的直线行走控制功能。拖拉机以0.27 m/s的速度直线行走30 m,最大横向偏差0.15 m。试验结果表明本系统可用于果园机械的自动导航,并具有一定的可靠性。     

改进AOA模式的大田农机无人驾驶导航参数检测系统设计

卫星导航、视觉导航和雷达导航的成本昂贵、系统构成复杂和适用作业场景有限,在生产特征呈现区域化、适度小规模和分布零散的国内南方水田难以实现便捷跨区域作业和无法适用多农业场景。针对上述问题,该研究以大田环境下无人驾驶农机的牛耕式往复作业路径模式为背景,提出了改进AOA(信号到达角度,Angle-of-Arrival)模式的农业机械无人驾驶导航参数检测系统。该系统采用UWB(超宽带通信,Ultra Wide Band)基站-标签作为检测传感器,设计了TBZ(田边双基站-车身纵向双标签)和TBH(田边双基站-车身横向双标签)2种传感器布置方式,实现农业机械无人驾驶过程中导航参数的快速精准检测。静态试验结果表明:对于2种传感器布置方式,在固定的基站间距和标签间距下,随着标签间距或基站间距的增大导航参数检测精度均有所提高,横向偏差检测误差≤8 cm,航向偏差趋近于0,但不大于1°,并通过正交组合试验方差分析明确了2种传感器布置方式的关键参数对横向偏差和航向偏差检测精度影响的显著性,确定了主次因素和较优参数组合。动态试验结果表明:随着车速增大,横向偏差和航向偏差的检测精度有所降低,横向偏差误差均不超过10 cm,航向偏差的检测误差均小于3°,变异系数均小于10%,说明动态环境下自主导航参数检测系统仍具有较高的检测精度,可满足农机大田自主导航作业需求。研究结果可为研制低成本、高精度和便捷的无人驾驶系统提供参考。     

双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。     

基于光照无关图的农业机器人视觉导航算法

完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。     

雷沃ZP9500高地隙喷雾机的GNSS自动导航作业系统设计

为减少农药喷雾作业对人体造成的化学损害,该研究以雷沃高地隙喷杆喷雾机为平台,基于GNSS开发了自动导航作业系统,实现喷雾机在极少人工干预情况下的自动导航作业。通过对平台的机-电-液改造,实现了喷雾机作业系统的电气化控制。基于简化的二自由度车辆转向模型设计了以位置偏差和航向偏差为状态变量的直线路径跟踪控制算法,基于纯追踪模型设计了曲线路径跟踪控制算法。根据喷雾机田间作业需要设计了喷雾机一体化自动导航作业控制方法,使系统能够自动控制喷雾机完成直线、地头转弯行驶和喷雾作业,油门调节以及车辆启停控制。在1.3 m/s左右的前进速度条件下,分别在水泥路面、旱田、水田环境中进行了试验,测试结果表明:水泥路面车身横滚在–1.6?~1.5?范围,直线路径跟踪误差最大值为3.9 cm,平均值为-0.15 cm,标准差为1.0 cm;旱田地块车身横滚在–1.4?~3.3?范围,跟踪误差最大值为9.8 cm,平均值为1.3 cm,标准差为3.3 cm;水田环境车身横滚在–2.4?~5.2?范围,跟踪误差最大值为17.5 cm,平均值为2.2 cm,标准差为4.4 cm。试验数据表明,所设计的自动导航作业系统初始上线快速、地头转弯对行平顺、各设计功能执行可靠;导航系统具有良好的稳定性和控制精度,能够满足水田、旱田环境下的喷雾作业要求。     

农业机械自动导航技术研究进展

农业机械自动导航是精准农业技术体系中的一项核心关键技术,广泛应用于耕作、播种、施肥、喷药、收获等农业生产过程。农机位置测量方法、农机模型与导航路径跟踪控制方法是农业机械自动导航技术的研究重点,受到国内外科研人员的广泛关注。农机位置测量主要有相对测量和绝对测量二类方法,前者以基于机器视觉的测量方法为代表,主要利用图像处理技术识别作物行,进而确定导航基准线,实现农机与作物的相对位置与航向信息的测量;后者则以基于全球导航卫星系统的测量方法为代表,利用卫星定位技术实现农机位置的高精度测量,在农业生产中应用最为广泛;而面对复杂的田间环境变化,在位置测量中应用多传感器数据融合技术通常可以得到更好的测量结果。导航路径跟踪控制通常以农机运动学模型或动力学模型为核心,多采用最优控制、最优估计、自适应控制、人工神经网络、模糊控制、鲁棒控制等现代控制理论与方法;而无模型控制方法则可以避免建模不准确或者模型参数剧烈变化对农机路径跟踪控制性能所产生的负面影响。该文从上述2个方面综述分析了农业机械自动导航技术的研究现状及存在的问题,并对未来农机导航技术的发展做出了展望,指出采用卫星导航技术,开展农机地头自动转向控制、障碍物探测及主动避障、多机协同导航等高级导航技术研究,以及引入先进的物联网技术,是现代农机自动导航技术发展的主要趋势。     

基于串行BP网络的农业机器人视觉导航控制(英）

农业机器人视觉导航系统可引导其自身在田间自主行走,为此,必须充分有效地利用导航参数。将反馈和预视参数应用于农业机器人视觉导航系统实现导航。将当前ROI窗口划分为上下区域以获取预视导航信息和当前导航信息。根据预视导航参数、当前导航参数和反馈导航参数,利用串行BP神经网络训练并调整分配神经元间的权值和阈值,确保得到正确的输出。依据串行BP网络对系统控制算法进行测试,取得了满意的结果。农业机器人实际行走路线与理想路线横坐标的最大反馈位置偏差为-0.069 m,最大预视位置偏差为-0.043 m,最大反馈角度偏差为-3.5度,最大预视角度偏差-2度。试验结果表明,该方法能获取较高精度的导航参数。     

拖拉机自动导航变曲度路径跟踪控制

针对当前拖拉机自动导航曲线跟踪控制精度不能满足生产需要的问题,该研究提出一种基于前轮转角前馈补偿策略的变曲度路径跟踪控制方法。综合考虑农机作业速度和目标路径曲度对前视距离的影响,通过调整前视区域和计算预瞄点,动态调整前视距离和前轮转角前馈量,在追踪预瞄点的过程中,利用农机与目标路径偏差设计变曲度路径跟踪模糊控制器,通过实时调整拖拉机前轮转角补偿量减小稳态误差。以DF2204无级变速拖拉机为试验平台,设计并研发了自动导航系统,开展21组变曲度路径跟踪控制试验。试验结果表明,拖拉机以1、1.5、2和3 m/s速度行驶时的平均绝对误差的平均值分别为2.7、2.7、3.3和4.0 cm,均方根误差的平均值分别为3.4、3.7、4.6和5.0 cm,满足农业生产需求。所提方法可有效提高农机曲线路径跟踪精度,减少漏耕,提高农田利用率。     

轮式拖拉机在典型路况下轮胎受力仿真分析

为了研究轮式拖拉机在典型路况下轮胎的受力情况,该文采用多体动力学软件RecurDyn进行轮式拖拉机建模,建立了包含4个车轮、前轴、后轴以及车架的简化模型,并给前轴和后轴施加合理的质量。利用RecurDyn的Fiala轮胎模块建立了轮胎与地面的相互作用模型,分别对轮式拖拉机在上20°坡、上44°极限坡、下20°坡和下34°极限坡等情况下的轮胎位移和受力进行了仿真分析,同时比较了拖拉机在两种不同车速情况下的轮胎受力。结果表明,在不同的坡度下行驶时,轮式拖拉机前轮受到的冲击力差别明显,上44°坡时受到的最大冲击力比上20°坡时增加了67.73%,下34°坡时受到的最大冲击力比下20°坡时减少了8%;在相同的路面条件下,当拖拉机以0.678 m/s过圆柱形障碍物时,前轮受到的最大作用力比在车速1.356 m/s时减小了16.13%。仿真分析结果可为轮式拖拉机轮胎受力研究提供参考。     

设施园艺移动平台分布式驱动自适应防滑控制

针对设施园艺特殊作业场景对电驱移动平台灵活作业与高操纵稳定性需求,该研究设计了一种四轮轮毂电机独立驱动的分布式设施园艺电驱移动平台,并提出了一种可提高转向灵活性与稳定性的自适应防滑控制策略。在该控制策略中,首先构建电驱移动平台动力学模型与Ackermann差速转向模型,结合速度瞬心原理及轮胎侧偏角确定各车轮转向目标转速;其次,为提高电驱移动平台对时变附着系数的适应能力,采用改进的强跟踪自适应无迹卡尔曼滤波算法设计复杂路面识别器,实现对路面附着系数准确估计;最后,设计基于自适应滑模算法的防滑控制器,根据路面附着系数估计值确定车轮相对最佳滑转率并实时控制滑转率。为验证所提控制策略的有效性,开展了Carsim-MATLAB/Simulink联合仿真与分布式设施园艺电驱移动平台实车试验。试验结果表明,所提控制策略可准确估计复杂道路下路面附着系数,降低车轮滑转率误差;在不变路面、对接路面与对开路面3种工况下,左侧车轮滑转率误差分别为0.031、0.015和0.038,右侧车轮滑转率误差分别为0.026、0.005和0.028;在不变路边随机路面实测路况下,电驱移动平台路面附着系分别数约为0.44和0.47,最大滑转率分别约为0.69和0.68,有效抑制了轮胎转向时的过度滑转,提高了电驱移动平台的行驶稳定性。研究可为设施园艺车辆驱动防滑控制提供具体理论依据和实施方案。     

水田作业工况的拖拉机振动特性

为研究拖拉机在水田工况下的振动特性。该文采用轮胎滚动法测取南京江浦农场水田硬底层纵断面空间函数,对数据进行自相关性检验,分析硬底层垂直位移功率谱密度;以CF700型拖拉机(常发集团)为研究对象,基于轮胎-湿软水田土壤系统,建立水田工况下拖拉机三自由度振动微分方程和仿真模型,以水田硬底层纵断面时间函数为输入矢量,对拖拉机振动特性进行仿真研究,并将仿真结果与试验结果进行对比分析。结果表明,水田硬底层高程具有统计相关性,其不平度系数Gx(0.1)=316.7×10-6 m3,拟合指数w=-1.651;试验所得拖拉机前桥、后桥及座椅椅面垂向振动频率分别是2.91、3.6及2.5 Hz,与仿真结果相对误差分别为19.9%、7.2%、16.0%。以上结果为面向水田作业的拖拉机振动研究提供路面参考模型,验证了水田工况下拖拉机三自由度平面振动模型的有效性,为拖拉机减振系统的参数设计提供理论依据。     

轮胎胎压和车速对无悬架拖拉机横向乘坐振动特性的影响

为研究轮胎胎压和行驶速度对驾驶员横向乘坐振动特性的影响,该文以两轮驱动式无悬架国产拖拉机为研究对象,建立无悬架拖拉机横向-垂向平面三自由度模型,通过仿真和试验相结合,分别获取不同轮胎胎压和行驶速度下拖拉机座椅处横向加速度功率谱密度、横向加速度均方值以及总加权加速度均方根值,并分析各自的影响规律.结果表明:拖拉机座椅处横向固有频率试验值与理论计算值的最大相对误差为4.67%,座椅处横向加速度均方根试验值随后轮胎胎压和速度的变化规律与仿真是一致的,且试验值比仿真值要小,其相对误差最大值为5.26%,误差均在可接受范围内,表明建立的理论和仿真模型是可行的;前轮胎压的变化对两轮驱动式拖拉机乘坐横向振动特性的影响不大;当轮胎胎压不变时,试验获取的拖拉机座椅处总加权加速度均方根值随行驶速度的增大而增大;当行驶速度不变时,总加权加速度均方根值随后轮胎压的增大而波浪式增大.该研究为拖拉机多维减振悬架系统的设计提供参考.     

农具质量对拖拉机悬挂农具系统振动特性的影响

为研究不同悬挂农具质量对拖拉机+悬挂农具系统振动特性的影响,该文以常发CF700型拖拉机(常发集团)为研究对象,用仿真和试验相结合的方法,建立了拖拉机+悬挂农具系统振动微分方程和仿真模型,仿真研究了拖拉机悬挂不同质量农具时拖拉机+悬挂农具系统振动特性,得到悬挂农具质量对拖拉机+悬挂农具系统垂向振动固有频率,俯仰振动固有频率,座椅安装处垂向振动加速度,俯仰振动角加速度,前、后轮动载系数的影响规律。研究结果表明,当悬挂农具质量从0增大到1 000 kg时,拖拉机+悬挂农具系统垂向振动固有频率从3.42逐渐减小到2.74 Hz,俯仰振动固有频率从3.07逐渐减小到1.78 Hz;当行驶速度相同时,座椅安装处垂向振动加速度和俯仰振动角加速度随悬挂农具质量的增大而减小,垂向振动加速度从2.73减小到1.02 m/s2,俯仰振动角加速度从2.56减小到0.82 rad/s2;前轮动载系数从0.09增大到0.33,随悬挂农具质量的增大而增大;速度较低时,后轮动载系数从0.06减小到0.03,随农具质量的增大略有减小,速度较高时,后轮动载系数随农具质量的增大逐渐增大,从0.06增大到0.17。该研究为拖拉机减振系统的设计提供了重要参考。     

基于质量反应法的拖拉机质心高度测量方法

根据拖拉机前后轮直径不相等的特点,提出了基于质量反应法的拖拉机质心高度测量方法,建立了拖拉机质心高度计算理论模型。与本文提出的方法相比较,发现两轴道路车辆质心高度测量标准中质心高度计算方法可作为其中的一个特例。以江苏常发集团生产的CF650型拖拉机质心高度测量为例,对该文所提出的测量方法进行了试验验证和误差分析。分析结果显示其最大相对误差为0.34%。结果表明该文提出的方法测量精度能满足工程要求。     

拖拉机自动转向系统容错自适应滑模控制方法

为提高拖拉机自动转向系统的可靠性,该文提出了一种具有前轮转角容错检测能力的径向基函数(radial basis function,RBF)网络自适应滑模控制方法。综合考虑拖拉机姿态信息和控制输出,基于卡尔曼滤波算法推导得出拖拉机前轮转角的两个估计值,并结合角度编码器实际测量值设计了前轮转角容错检测输出算法;以容错输出算法的输出值作为状态量,提出一种利用RBF网络进行干扰补偿的前轮角度自适应滑模控制方法,并通过仿真试验验证了算法的有效性。开展了拖拉机前轮转角容错检测和自动控制试验,结果显示:基于侧向加速度的转角预估值最大误差为2.94?,均方根误差为0.81?;基于横摆角速度的转角预估值的最大误差为1.73?,均方根误差为0.12?;当人为施加故障干扰时,算法可以提供容错的转角输出;拖拉机转向控制系统可以快速跟踪期望前轮角度且超调量较小,最大控制误差为0.21?,均方根误差为0.07?。试验结果表明,容错自适应滑模控制方法提高了自动转向控制系统的可靠性和准确性,有助于解决拖拉机前轮转角测量装置故障率高的问题。